【EMNLP2018干货】254 页《为NLP研究写出好代码》教程

2018 年 11 月 2 日 专知

【导读】现代的NLP研究工作都是需要编写代码。 良好的代码可以实现快速的原型设计,简单的代码调试,实验的可控性和可视化,帮助研究人员快速准确地了解

实验和模型的具体情况。而糟糕的代码往往导致拖慢研究进度,研究难以扩展,研究结果难以复现,最严重的是出现错误的研究和结论。实际上,现在研究人员也逐渐认识到好的研究工具,包括高质量的实验代码,对研究的重要性,那么如何为NLP任务写出良好的代码呢? EMNLP2018 254 页的《为NLP研究写出好代码》(Writing Code for NLP Research)的教程会给出答案。


该教程,借鉴了最近发布的基于PyTorch的深度学习NLP研究库AllenNLP的代码,旨在分享编写NLP研究代码的良好实践经验。教程中将使用AllenNLP中实现的NLP模型作为示例,解释具有正确抽象化和组件化的库如何实现更好的代码和研究。通过该教程,你将学习如何编写NLP研究实验代码,如何设计和简单化实验代码,从而推进研究,产出好的研究成果。


教程目录:

1.  在原型设计时如何编写代买(How to write code whenprototyping

2.  构建良好的代码流程(Developing good processes

3.  如何为NLP研究编写可复用的代码(How to write reusable codefor NLP

4.  案例分析:词性标注器(Case StudyA Part-of-SpeechTagger

5.  分享你的研究(Share your research


请关注专知公众号(扫描下方二维码,或点击上方蓝色专知)

  • 后台回复“WCNR” 就可以获取 最新PDF下载链接~ 





-END-

专 · 知


人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!


请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!


请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~

 AI 项目技术 & 商务合作:bd@zhuanzhi.ai, 或扫描上面二维码联系!

请关注专知公众号,获取人工智能的专业知识!

点击“阅读原文”,使用专知

登录查看更多
9

相关内容

NLP:自然语言处理
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
188+阅读 · 2020年6月29日
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
67+阅读 · 2019年11月25日
六篇 EMNLP 2019【图神经网络(GNN)+NLP】相关论文
专知会员服务
71+阅读 · 2019年11月3日
【书籍】深度学习框架:PyTorch入门与实践(附代码)
专知会员服务
159+阅读 · 2019年10月28日
自然语言处理NLP之旅(NLP文章/代码集锦)
【资源推荐】复旦大学NLP上手教程
专知
41+阅读 · 2019年5月15日
Pytorch作者Adam Paszke-53页Pytorch教程PPT
专知
34+阅读 · 2018年10月27日
自然语言处理(NLP)前沿进展报告(PPT下载)
【干货】ACL 2018 鲁棒、无偏的NLP训练方法
专知
4+阅读 · 2018年7月25日
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
Arxiv
91+阅读 · 2020年2月28日
Tutorial on NLP-Inspired Network Embedding
Arxiv
7+阅读 · 2019年10月16日
Arxiv
13+阅读 · 2019年1月26日
Arxiv
21+阅读 · 2018年8月30日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
8+阅读 · 2018年1月19日
VIP会员
相关论文
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
Arxiv
91+阅读 · 2020年2月28日
Tutorial on NLP-Inspired Network Embedding
Arxiv
7+阅读 · 2019年10月16日
Arxiv
13+阅读 · 2019年1月26日
Arxiv
21+阅读 · 2018年8月30日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
Arxiv
8+阅读 · 2018年1月19日
Top
微信扫码咨询专知VIP会员